mengenali perilaku dan kepribadian manusia berdasarkan

JURNAL INFORMATIKA Vol 6, No. 1, Januari 2012

589

MENGENALI PERILAKU DAN KEPRIBADIAN MANUSIA

BERDASARKAN POLA SIDIK JARI MENGGUNAKAN

JARINGAN SYARAF TIRUAN

Dian Analis, Emy Setyaningsih

Program Studi Sistem Komputer

Institut Sains Teknologi AKPRIND Yogyakarta

Jln. Kalisahak No 28 Komplek Balapan, Yogyakarta, Telp. +62-274-563029,

e-mail : [email protected]

Abstrak

Dewasa ini disiplin ilmu mengenai kecerdasan buatan berkembang pesat

melaju bersama kecepatan perkembangan teknologi komputer. Kecerdasan buatan

yang dimaksudkan adalah membuat suatu sistem agar komputer bisa berfikir layaknya

manusia. Salah satu implementasi kecerdasan buatan adalah pengenalan pola sidik

jari, dimana proses pengenalan pola itu sendiri dilakukan dengan melatih komputer

agar komputer mempelajari suatu bentuk pola yang dimasukkan dan mampu untuk

mengenali bentuk pola yang akan diujikan. Sebagai contoh implementasi pengenalan

pola adalah pada bidang psikologi, dimana bentuk pola sidik jari seseorang dapat

digunakan untuk mengenali perilaku dan kepribadiannya. Dalam makalah ini penulis

mengimplementasikan jaringan syaraf tiruan untuk mengenali perilaku dan

kepribadian seseorang berdasarkan pola sidik jari dengan menggunakan metode

forward chaining. Sistem ini mampu menganalisis kombinasi pola sidik jari vortex

atau sinus berdasarkan pengujian menggunakan jaringan syaraf tiruan dengan

prosentase dikenali pola sinus atau vortex lebih besar dari 50%, apabila prosentase

terkenali sebagai pola sinus lebih besar daripada prosentase pola vortex, maka pola

sidik jari akan terkenali sebagai pola sinus, begitu juga sebaliknya. Selanjutnya

aplikasi ini akan menganalisis kombinasi pola sidik jari dengan mencocokkan

berdasarkan pohon keputusan, dimana terdapat 32 kombinasi sidik jari yang dikenali

untuk menentukan perilaku dan kepribadian dari user. Dalam aplikasi ini terdapat 3

macam informasi yang dapat disajikan yaitu, informasi tentang kepribadian,

keberuntungan dan perhatian dengan menggunakan software Delphi 6. Keakuratan

proses konsultasi kepribadian pada aplikasi ini sangat tergantung pada input citra

sidik jari yang dilakukan oleh pengguna (user).

Kata Kunci : KecerdasanBuatan, Pengenalan Pola, Forward Chaining, Sidik Jari,

Sinus, Vortex, Kepribadian.

1. PENDAHULUAN

Dewasa ini disiplin ilmu mengenai kecerdasan buatan berkembang pesat melaju

bersama kecepatan perkembangan teknologi komputer. Kecerdasan buatan yang


590

dimaksudkan adalah membuat suatu sistem supaya komputer bisa berfikir layaknya

manusia. Misalnya kemampuan otak manusia dalam mengenali sidik jari milik

seseorang dapat dilakukan oleh komputer. Proses pengenalan pola itu sendiri dilakukan

dengan melatih komputer agar komputer mempelajari suatu bentuk pola yang

dimasukkan dan mampu untuk mengenali bentuk pola yang akan diujikan. [1].

Salah satu contoh implementasi dari pengenalan pola sidik jari adalah di dunia

kepolisian, sidik jari digunakan untuk proses identifikasi pelaku kasus kriminalitas.

Keakuratan sidik jari dalam memecahkan persoalan kriminal sudah dibuktikan

bertahun-tahun yang lalu, karena tidak satupun sidik jari manusia di dunia ini yang

kembar. Selain itu, ternyata sidik jari tidak hanya bermanfaat di dunia kepolisian, tetapi

juga di kalangan psikolog. Kombinasi pola sidik jari yang dikenali ini dapat digunakan

untuk mengetahui kepribadian seseorang karena sidik jari tiap orang berbeda-beda dan

tidak berubah sepanjang hidupnya.[2]

Pada makalah ini akan mengidentifikasikan citra digital berupa gambar sidik jari

sehingga ditemukan bentuk pola sidik jari yang dapat digunakan untuk mengetahui

kepribadian dan perilaku seseorang yang merupakan pengembangan dari penelitian dari

Setyaningsih[3]. Bentuk pola sidik jari yang digunakan adalah 2 bentuk pola dari 3

bentuk pola sidik jari manusia. Bentuk pola yang digunakan adalah bentuk pola vortek

dan sinus pada kelima jari tangan kanan wanita dan kelima jari tangan kiri pria, yang

selanjutnya kombinasi pola yang didapatkan tersebut digunakan untuk mengenali

perilaku dan kepribadian seseorang menggunakan metode penalaran maju (forward

chaining). Sedangkan bentuk pola arcus tidak digunakan untuk mengenali perilaku dan

kepribadian seseorang, karena hanya terdapat pada manusia purba. Menurut teori

evolusi pola arcus berevolusi ke pola sinus dan terus menerus ke pola vortex.[2]

1.1. Citra Digital

Citra digital merupakan suatu matriks yang terdiri dari baris )(x dan kolom )(y ,

dimana setiap pasangan indeks baris dan kolom menyatakan suatu titik pada citra yang

diimplementasikan dalam koordinat ( )yxf , . Nilai matriksnya menyatakan nilai

kecerahan titik tersebut. Titik-titik tersebut dinamakan sebagai elemen citra atau piksel

(picture element). Citra yang terlihat merupakan cahaya yang direfleksikan dari sebuah

objek. Fungsi ( )yxf , dapat dilihat sebagai fungsi dengan dua unsur. Unsur yang pertama

merupakan kekuatan sumber cahaya yang melingkupi pandangan kita terhadap objek

(illumination). Unsur yang kedua merupakan besarnya cahaya yang direfleksikan oleh

objek ke dalam pandangan kita (reflectance components). Keduanya dituliskan sebagai

fungsi ( )yxi , dan ( )yxr , yang digabungkan sebagai perkalian fungsi untuk membentuk

fungsi ( )yxf , . Fungsi � �yxf , dapat dituliskan dengan persamaan : ( ) ( ) ( )yxryxiyxf ,,, = [4]

1.2. Pendeteksian Tepi

Yang dimaksud dengan tepi(edge) adalah perubahan nilai inensitas derajad

keabuan yang mendadak (besar) dalam jarak yang singkat, erbedaan intensitas inilah

yang menampakkan rincian pada gambar. Tujuan dari pendeteksian tepi adalah untuk

meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra, sehingga

bentuk lekukan garis-garis pada sidik jari akan lebih terlihar jelas agar dapat ditentukan

jenisnya. Dengan cara menentukan lokasi titik-titik yang merupakan tepi objek. Banyak


591

bentuk mask yang dapat dipakai dalam operasi ini, misalnya operator Robert, Prewitt,

Sobel, Canny, Laplacian, dan Laplacian Gaussian. Konvolusi dengan mask tadi

digunakan untuk menghitung keabuan atau warna hasil.

Pencarian tepi dapat dilakukan dengan menghitung selisih atau deferensi antara 2

buah titik yang bertetangga, sehingga diperoleh nilai gradian (turunan order pertama)

citra. Diferensi diambil secara diagonal untuk mendapatkan mask yang berbentuk

bujursangkar, dan diperoleh 2 mask mengakomodasi kedua arah diagonal. Hasil

konvolusi citra asal dengan kedua mask tersebut kemudian digabungkan dengan cara

tertentu sehingga menghasilkan nilai yang dapat digunakan untuk menentukan apakah

sebuah titik merupakan tepi objek dalam citra. Biasanya tepi nail (hasil positif) dan tepi

turun (hasil negatif) tidak dibedakan, sehingga diambil nilai absolutnya.

1.3. Sidik Jari

Salah satu bentuk pola dalam mengenali identitas seseorang yaitu dengan

menggunakan pola sidik jari (sistem identifikasi biometrik). Hal ini disebabkan karena

sifat-sifat yang dimiliki sidik jari diantaranya :

1. Perennial nature, yaitu guratan-guratan pada sidik jari yang melekat pada

kulit manusia seumur hidup.

2. Immutability, yaitu sidik jari seseorang tidak pernah berubah, kecuali

mendapatkan kecelakaan yang serius.

3. individuality, pola sidik jari adalah unik dan berbeda untuk setiap orang.

Berdasarkan klasifikasi pola sidik jari dapat dinyatakan secara umum ke dalam 3 bentuk

[2], yaitu :

1. Arch(arcus) bentuknya seperti busur, melengkung, melintang terhadap arah

jari.

2. Loop (sinus) bentuknya seperti tali untuk menjerat, mulai dari pinggir menuju

ke tengah, balik lagi ke pinggir, terbuka ke arah kiri atau kanan jari. Ciri

utama pola ini adalah terdapat sati triple-as yakni satu titik dengan tiga

sumbu.

3. Whorl (vortex) bentuknya seperti pusaran air, terdapat pusat di tengah,

melingkar makin lebar ke pinggir. Ciri utama adalah terdapat dua triple-as

yakni dua buah titik yang masing-masing dengan tiga sumbu.

Arcus Sinus Vortex

Gambar 1. Pola Bentuk Sidik Jari

1.4. Jaringan Syarat Tiruan (JST)

JST dibentuk sebagai generalisasi model matematika dari jaringan otak manusia,

dengan asumsi bahwa :

1. pemrosesan informasi terjadi pada banyak elemen sederhana (neuron).

2. Sinyal dikirim diantara neuron-neuron melalui penghubung-penghubung.


592

3. Penghubung antar neuron memiliki bobot yang akan memperkuat atau

memperlemah sinyal.

4. Setiap neuron memiliki fungsi aktivasi yang akan menentukan nilai sinyal

output.

Jaringan syaraf dapat digolongkan menjadi berbagai jenis berdasarkan pada

arsitekturnya, yaitu pola hubungan antar neuron-neuron, dan algoritma pelatihannya

(training), yaitu cara penentuan nilai bobot pada penghubung [1].

Salah satu algoritma pelatihan JST yang banyak dimanfaatkan dalam bidang

pengenalan pola adalah backpropagation. Algoritma ini umumnya digunakan pada JST

yang berjenis multi layer feed forward yang tersusun dari beberapa lapisan dan sinyal

dialirkan secara searah dari input dan output.

Algoritma pelatihan backpropagation pada dasarnya terdiri dari tiga tahapan, yaitu :

1. Input nilai data pelatihan sehingga diperoleh nilai output

2. Propagasi balik dari nilai error yg diperoleh

3. penyesuaian bobot koneksi untuk meminimalkan nilai error.

Ketiga tahapan tersebut diulangi terus menerus sampai mendapatkan nilai error yang

diinginkan. Setelah training selesai dilakukan, hanya tahap pertama yang diperlukan

untuk memanfaatkan JST tersebut. Backpropagation memiliki beberapa unit yang ada

dalam satu atau beberapa layar tersembunyi [1] seperti terlihat pada gambar 2.

Gambar 2. Arsitektur Jaringan Backpropagation

Seperti yang digambarkan pada proses pelatihan, maka pada proses pengujian

hanya membutuhkan proses propagasi maju, sinyal masukan (=xi) dipropagasikan ke

layar tersembunyi dengan fungsi aktivasi yang ditentukan. Keluaran dari setiap unit

layar tersembunyi dengan fungsi aktivasi yang ditentukan. Keluaran dari setiap unit

layar tersembunyi (=zj) tersebut selanjutnya dipropagasikan maju lagi ke layar

tersembunyi diatasnya menggunakan fungsi aktivasi tertentu. Demikian seterusnya

hingga menghasilkan keluaran jaringan (=yk). Selanjutnya untuk mencari nilai dari delta

hasil pada pola yang diujikan dapat dilakukan dengan mengurangi nilai input (=xi)

terhadap batas error. Setelah nilai dari delta hasil didapat, dilanjutkan dengan

memandingkan nilai delta terhadap keluaran pada jaringan (=yk). Nilai-nilai

perbandingan itulah yang digunakan untuk mendapatkan nilai biner yang selanjutnya

akan dibandingkan terhadap pola biner pada citra yang sudah dilatih secara berurutan.

Setelah semua citra dibandingkan akan menghasilkan nilai yang paling mendekati


593

terhadap pola yang sedang diujikan. Hasil nilai perbandingan yang paling mendekati

itulah yang digunakan untuk menentukan pola tersebut terkenali atau tidak [1].

1.5. Representasi Pengetahuan

Tujuan representasi pengetahuan adalah membuat struktur yang digunakan untuk

membantu mengkodekan pengetahuan ke dalam program. Pengetahuan

direpresentasikan ke dalam format tertentu dan akan dihimpun dalam suatu basis

pengetahuan. Pengetahuan-pengetahuan yang mendukung dalam melakukan diagnosa

soal-soal konsultasi direpresentasikan dalam bentuk kaidah produksi dengan

pertimbangan antara lain :

1. Mudah dipahami karena bersifat deklaratif

2. Sesuai dengan jalan berfikir manusia dalam menyelesaikan masalah

3. Mudah dimodifikasi karena berbentuk modular

4. Mudah diinterpretasikan

Pengetahuan yang didapat dari proses akuisisi pengetahuan mengalami beberapa proses

pengolahan sehingga sampai pada bentuk kaidah produksi, yaitu :

1. Membuat tabel keputusan, berguna untuk mendokumentasikan pengetahuan

2. Menyusun kaidah produksi.

Berikut ini akan ditampilkan representasi pengetahuan dari pola sidik jari manusia.

Representasi pengetahuan ini dibentuk dalam tabel keputusan dan kaidah produksi. [5].

Tabel 1: Keputusan [2]

NO DIAGNOSA SINUS VORTEX

1 2 3 4 5 1 2 3 4 5

1. Harga diri, terus terang * * * * *

2. Tanggung jawab, berani derita * * * * *

3. Tipe orang kota besar * * * * *

4. Luwes, ramah, tenggang rasa * * * * *

5. Tenang, jujur, tulus * * * * *

6. Optimis, suka hal baru * * * * *

7. Hormat suka memberi saran * * * * * *

8. Tidak mudah mengalah * * * * *

9. Bebas, tipe orang kota * * * * *

10. Kuat pendirian sendiri * * * * *

11. Segar bersahabat bijaksana * * * * *

12. Setia, mantap, teliti * * * * *

13. Suka pamer, bersenang * * * * *

14. Merendah, suka memaafkan * * * * *

15. Suka menentang, mengejutkan * * * * *

16. Sifat manusia biasa * * * * *

17. Mudah bangkit emosi * * * * *

18. Lembut, sukar memutuskan * * * * *

19. Cepat sesal dan berhenti * * * * *

20. Berdiri sendiri, modern * * * * *

21. Tak pernah bingung, tenang * * * * *

22. Mudah goyah, terharu * * * * *

23. Mudah curiga, khawatir * * * * *

24. Tata cara suka melampaui * * * * *

25. Tulus hati bersemangat * * * * *

26. Peramah, pandai memikat * * * * *

27. Jujur, seksama * * * * *

28. Tulus, teliti * * * * *

29. Terlalu baik untuk satu hal * * * * *


594

Ket :

1 = Ibu Jari

2 = Jari Telunjuk

3 = Jari Tengah

4 = Jari Manis

5 = Jari Kelingking

2. METODOLOGI PENELITIAN

2.1. Data dan Peralatan Penelitian

Keberhasilan dan keakuaratan hasil penelitian tergantung pada proses

pengambilan data. Data yang diperlukan dalam makalah ini adalah sebagai berikut :

1. Citra atau gambar kelima sidik jari tangan kanan untuk laki-laki dengan ukuran

40 x 40 piksel.

2. Citra atau gambar kelima sidik jari tangan kiri untuk perempuan dengan ukuran

40 x 40 piksel.

OBJEK JARI

IBUJARI TELUNJUK TENGAH MANIS KELINGKING

Putra 1

Putra 2

Putra 3

Putri 1

Putri 2

Gambar 3. Citra kelima sidik jari untuk 3 objek jari tangan putra

dan 2 objek jari tangan putri

Pada makalah ini konfigurasi system yang digunakan untuk

mengimplementasikan perangkat lunak yang dibangun adalah : Komputer IBM PC

dengan Processor Pentium III, Hardisk 40 Gbyte, RAM 128 MByte dan scanner.

Sedangkan sofware yang mendukung pembuatan program aplikasi ini adalah sebagai

berikut: Sistem Operasi Windows XP Professional, Microsoft SQL Server 2000

sebagai penyimpanan data,. Borland Delphi 6 sebagai bahasa untuk perancangn system,

Adobe Photoshop sebagai perangkat untuk mengolah citra dan sebagai perangkat untuk

merancang Interface (antar muka) yang digunakan dalam pemrograman .

2.2. Sistem Pengenalan Pola Sidik Jari

Untuk dapat melatihkan citra dan menghasilkan target serta simuff yang akurat

yang kemudian diuji untuk mengenali pola sidik jari termasuk ke dalam tipe apa

menggunakan algoritma pembelajaran arsitektur Back Propagation sebagai berikut:

1. Ambil Gambar pola sidik jari yang akan dilatih.


595

2. Nilai maksimum epoh (perulangan)=1000, limit Error = 0.01, Learning

Rate=0.1, dan nilai momentum=0.2.

3. Inisialisasi bobot awal secara random

4. Lakukan selama nilai epoh (perulangan) < maksimum epoh dan nilai MSE >

Target error.

a. Setiap unit input (Xi, i=1,2,...,n, n=40 x 40 =1600) menerima sinyal (0,1) dan

diteruskan ke semua unit pada lapisan tersembunyi, dan lakukan penjumlahan

semua keluaran di unit tersembunyi (zj, j=1,2..p, p=banyaknya jumlah lapisan

tersembunyi (hidden)) dengan sinyal input bobot bias.

b. Setiap unit keluaran Yk =(k=1,2...m, m=40 x 40 =1600) dilakukan

penjumlahan dengan bobot bias.

c. Setiap unit keluaran Yk =(k=1,2...m) menerima pola target yang berhubungan

dengan pola input pembelajaran selanjutnya dilakukan perhitungan kesalahan

(error)

d. Lakukan perubahan bobot, dan perubahan bias.

e. Hitung nilai rata-rata error (mean square error - MSE).

f. Naikan nilai epoh = epoh ++.

g. Ulangi langkah a di atas sampai error jaringan sampai mencapai nilai yang

mendekati target yang diinginkan.

h. Tes Kondisi

5. Simpan Bobot

6. Simpan Identitas

7. Simpan Citra Biner

8. Selesai

Algoritma pengujian terhadap pola sidik jari hsil pelatihan untuk penentuan pola sinus

atau vortex adalah sebagai berikut :

1. Baca jumlah pola yang sudah dilatih.

2. Lakukan mulai dari pola ke-1 (k) sampai seluruh jumlah pola

a. Buka citra ke-k

Lakukan selama lebar citra (i) dan selama tinggi citra (j)

x Baca pixel [i, j]

x Hitung net1 & net2 pada unit tersembunyi

x Hitung delta hasil

x Uji apakah net1 >= delta hasil ?

Jika Ya maka datahasil [i, j]=1

Jika Tidak maka datahasil [i, j]=0

x Uji apakah datahasil [i, j] = Polaujisinus [i, j] ?

Jika Ya maka polacountsinus++

Jika Tidak maka polacountsinus = polacountsinus

x Uji apakah datahasil[i,j]= Polaujivortex[i,j]

Jika Ya maka polacountvortex++

Jika Tidak maka polacountvortex = polacountvortex

b. Uji pola sinus dan vortex

x Hitung nilai PolaHSinus= (Polacountsinus/6400)*100

x Hitung nilai PolaHVortex= (Polacountvortex/6400)*100


596

3. Uji apakah PolaHSinus < 50 and PolaHVortex < 50,

Jika Ya maka Tampilkan Pola tidak dikenali

Jika Tidak maka Uji apakah polaHSinus > polaHVortex

Jika Ya maka Tampilkan Pola dikenali sebagai sinus

Jika Tidak maka Tampilkan Pola dikenali sebagai Vortex

4. Selesai.

2. 3. Sistem Pengenalan Perilaku dan Kepribadian

Berikut rancangan analogi untuk proses mengoperasikan aplikasi analisis

pengenalan pola sidik jari untuk mengenal perilaku manusia langkah-langkahnya

sebagai berikut :

1. Masukkan terlebih dahulu data basis pengetahuan dengan kendali seorang pakar.

Dimana data ini nantinya akan dipakai sebagai rumusan dalam menentukan

sifat-sifat kepribadian berdasarkan sidik jari.

2. Selanjutnya dalam media komunikasi user yang akan konsultasi disajikan antar

muka untuk mengidentifikasi tipe masing-masing jari.

3. Gambar yang sudah dimasukkan pada tiap-tiap kotak penampungan dari masing-

masing gambar jari dengan format BMP (bitmap), selanjutnya akan dilakukan

perubahan gambar ke bentuk skala keabuan (grayscale).

4. Selanjutnya dilakukan proses pengolahan gambar dengan pendeteksian tepi

(edge detection). Operasi ini digunakan untuk menentukan lokasi titik-titik yang

merupakan tepi objek.

5. Selanjutnya akan ditentukan nilai tengah dari citra input untuk mengambil skala

matriks yang sesuai dengan skala citra target sebagai bentuk perbandingan pada

matriks yang sama.

6. Setelah data untuk penelitan dipersiapkan kemudian sistem akan mulai

melakukan pelatihan terhadap 2 pola default, 1 untuk pola sinus dan 1 untuk

pola vortex pada masing-masing yang disediakan dalam image yang di lekatkan

(embed) pada program, dimana nilai lapisan tersembunyi serta konstanta

belajarnya dirubah secara otomatis hingga mendapatkan konvergensi terbaik.

7. Selanjutnya dari hasil pelatihan tersebut kemudian pola masukan akan diuji

mulai dari gambar ibu jari sampai jari kelingking.

8. Setelah pola tekenali sebagai pola sinus atau vortex user bisa melakukan proses

konsultasi kepribadian dan perilaku, jika pola tidak terkenali maka input data

sidik jari dapat diulang.

3. HASIL DAN PEMBAHASAN

Pada makalah ini, proses untuk pengolahan citra sidik jari (proses scanning,

perubahan ukuran atau resolusi dan pemberian nama setiap jari) dilakukan terpisah dari

sitem aplikasi ini. Kevalidan data citra sidik jari yang digunakan untuk proses konsultasi

sangat tergantung pada pengguna system ini (user), karena system ini tidak mendeteksi

tentang kepemilikan dari citra sidik jari dan ketepatan pemberian nama untuk masing-

masing jari. Dalam proses pengambilan citra sidik jari dari storage kita berasumsi telah

tepat menempatkan ke dalam aplikasi, sehingga saat sistem mengenali kepribadian

seseorang dianggap telah sesuai dengan sidik jari dari pemiliknya. Hasil pengujian


597

terhadap sidik jari tangan dari objek putra yang diujikan dapat dilihat pada Gambar 4

dan Objek putri dapat dilihat pada Gambar 5.

Gambar 4. Hasil pengujian terhadap sidik jari tangan dari objek putra yang diujikan

Gambar 5. Hasil pengujian terhadap sidik jari tangan dari objek putri yang diujikan


598

4. SIMPULAN

Dari hasil pengujian pengenalan bentuk pola sidik jari diperoleh beberapa kesimpuan

sebagai berikut :

1. Keberhasilan pendeteksian pola ini sangat dipengaruhi dari tahapan proses scanning data

awal sebelum dilakukan pelatihan pola.

2. Dari hasil pengujian citra sidik jari, pengenalan pola didasarkan pada prosentasi

pengenalan pola dengan ketentuan prosentasi diatas 50% pola sidik jari kita pastikan

sebagai pola sinus atau vortex.

3. Keakuratan dari hasil diagnosa kepribadian ini sangat dipengaruhi oleh keberhasilan

sistem dalam mengenali sidik jari sebagai pola vortex atau sinus sehingga proses scaning

merupakan proses yang sangat penting.

4. Agar hasil pengujian citra sidik jari hanya dapat dikenali sebagai salah satu jenis pola saja

maka perlu dilakukan pengujian dengan ukuran citra yang lebih besar.

DAFTAR PUSTAKA

[1] Siang J, Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan Matlab, Andi

Offset, Yogyakarta, 2005.

[2] Kastama E, Variasi Perilaku Manusia Menurut Sidik Jarinya, Fakultas Ekonomi UI,

Jakarta, 2000.

[3] 6HW\DQLQJVLK� (�� ´0HQJHQDOL� %HQWXN� 3ROD� 6LGLN� -DUL� 6LQXV� GDQ� 9RUWH[� 0HQJJXQDNDQ�

-DULQJDQ�6\DUDI�7LUXD´, ACADEMIA ISTA, Vol. 10 Edisi Khusus, Februari 2005

[4] Gonzales R C., Digital Image Processing Using Matlab, Pearson Education, Inc, India,

2005.

[5] Kusuma S, Artificial Intelligence (Teknik dan Aplikasinya), edisi pertama, Penerbit

Graha Ilmu, Yoyakarta, 2003

[5] Ahmad B., dan Firdaus, K., Teknik Pengolahan Citra Digital Menggunakan Delphi, Ardi

Publishing, Yogyakarta, 2005.

mengenali perilaku dan kepribadian manusia berdasarkan

Documents